De nombreuses techniques d’apprentissage ou d’optimisation bio-inspirées existent. En revanche, les moyens mis en oeuvre par l’évolution pour modifier elle même la façon dont les organismes évoluent, restent largement à explorer tant en biologie qu’au sein des algorithmes et méthodes bio-inspirés. C’est dans ce champs que se situe le travail proposé. Son objectif est le développement de techniques de fouilles de données bio-inspirées, tirant parti des capacités d’évolution de l’évolution elle même, telles qu’elles peuvent apparaître au sein du vivant.
Cette thèse se déroulera dans le cadre du projet européen EvoEvo (FP7 funding, http://evoevo.edu/, ICT-610427), et visera comme application la fouille de données dans des contextes dynamiques, c’est à dire où les modèles sous-jacents aux données changent dans le temps. La méthode de travail s’articulera autour des points suivants: 1) développement de modèles d’évolution in silico capturant des mécanismes d’évolution de l’évolution (comme par exemple la modification évolutive de la structure des génomes); 2) exploration des possibilités de ces mécanismes pour des tâches de fouilles de données ”dynamiques”; 3) conception d’algorithmes de fouilles dédiés, exploitant ces mécanismes.